留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

尺度自适应暗通道先验去雾方法

宋颖超 罗海波 惠斌 常铮

宋颖超, 罗海波, 惠斌, 常铮. 尺度自适应暗通道先验去雾方法[J]. 红外与激光工程, 2016, 45(9): 928002-0928002(12). doi: 10.3788/IRLA201645.0928002
引用本文: 宋颖超, 罗海波, 惠斌, 常铮. 尺度自适应暗通道先验去雾方法[J]. 红外与激光工程, 2016, 45(9): 928002-0928002(12). doi: 10.3788/IRLA201645.0928002
Song Yingchao, Luo Haibo, Hui Bin, Chang Zheng. Haze removal using scale adaptive dark channel prior[J]. Infrared and Laser Engineering, 2016, 45(9): 928002-0928002(12). doi: 10.3788/IRLA201645.0928002
Citation: Song Yingchao, Luo Haibo, Hui Bin, Chang Zheng. Haze removal using scale adaptive dark channel prior[J]. Infrared and Laser Engineering, 2016, 45(9): 928002-0928002(12). doi: 10.3788/IRLA201645.0928002

尺度自适应暗通道先验去雾方法

doi: 10.3788/IRLA201645.0928002
基金项目: 

总装预研项目(51301030108)

详细信息
    作者简介:

    宋颖超(1983-),女,博士生,主要从事图像处理方面的研究。Email:songyingchao@sia.cn

  • 中图分类号: TP391

Haze removal using scale adaptive dark channel prior

  • 摘要: 在雾、霾等天气条件下,大气粒子的散射作用使环境的能见度偏低,视觉系统采集到的图像严重降质。基于暗通道先验的图像复原方法因其去雾效果自然、约束条件少,且易于实现等优点而受到广泛关注。但是,该方法的去雾效果受尺度(暗通道的求解半径)影响很大,对于不同场景的图像,不存在一个普遍适用的最优尺度。针对该问题,文中提出一种尺度自适应方法,根据图像的颜色和边缘特征自适应地调节暗通道的尺度范围,得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解光晕失真小等优点。此外,针对暗通道去雾方法会使天空光估计点落到前景区域的问题,提出了一种改进的天空光估计方法,可使估计点鲁棒地落到与其物理意义相符的背景区域。对多种雾化场景图像的处理结果表明:文中方法适应性强、去雾效果自然,且对比度提升显著。
  • [1] Narasimhan S G, Nayar S K. Chromatic framework for vision in bad weather[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2000:598-605.
    [2] Narasimhan S G, Nayar S K. Contrast restoration of weather degraded images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(6):713-724.
    [3] Schechner Y Y, Narasimhan S G, Nayar S K. Instant dehazing of images using polarization[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2001:325-332.
    [4] Shwartz S, Namer E, Schechner Y Y. Blind haze separation[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2006:1984-1991.
    [5] Fattal R. Single image dehazing[J]. ACM Transactions on Graphics, 2008, 27(3):72-80.
    [6] Tarel J P, Hauti'ere N. Fast visibility restoration from a single color or gray level image[C]//Proceedings of the 12th IEEE International Conference on Computer Vision, 2009:2201-2208.
    [7] He Kaiming, Sun Jian, Tang Xiao'ou. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(12):2341-2353.
    [8] Tan R T. Visibility in bad weather from a single image[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2008:1-8.
    [9] Wu Di, Zhu Qingsong. The latest research progress of image dehazing[J]. Acta Automatica Sinica, 2015, 41(2):221-239. (in Chinese)吴迪, 朱青松. 图像去雾的最新研究进展[J]. 自动化学报, 2015, 41(2):221-239.
    [10] Yu Jing, Xu Dongbin, Liao Qingmin. Image defogging:a survey[J]. Journal of Image and Graphies, 2011, 16(9), 1561-1576. (in Chinese)禹晶, 徐东彬, 廖庆敏. 图像去雾技术研究进展[J]. 中国图像图形学报, 2011, 16(9):1561-1576.
    [11] Guo Fan, Cai Zixing, Xie Bin, et al. Review and prospect of image dehazing techniques[J]. Journal of Computer Applications, 2010, 30(9):2417-2421. (in Chinese)郭璠, 蔡自兴, 谢斌, 等. 图像去雾技术研究综述与展望[J]. 计算机应用, 2010, 30(9):2417-2421.
    [12] Levin A, Lischinski D, Weiss Y. A closed-form solution to natural image matting[C]//IEEE Transactions on Pattern Analysis and Machine Intelligence, 2008, 30(2):228-242.
    [13] He Kaiming, Sun Jian, Tang Xiao'ou. Guided image filtering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(6):1397-1409.
    [14] Tang Ketan, Yang Jianchao, Wang Jue. Investigating haze-relevant features in a learning framework for image dehazing[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2014:2995-3002.
    [15] Ge Guangyi, Wei Zhenzhong. Noise inhibition method during image dehazing process[J]. Infrared and Laser Engineering, 2014, 43(8):2765-2771. (in Chinese)葛广一, 魏振忠. 图像去雾过程中的噪声抑制方法[J]. 红外与激光工程, 2014, 43(8):2765-2771.
    [16] Wang Sen, Pan Yuzhai, Liu Yi, et al. Image quality improvement of laser active imaging in fog[J]. Infrared and Laser Engineering, 2013, 42(9):2392-2396. (in Chinese) 王森, 潘玉寨, 刘一, 等. 提高雾天激光主动成像图像质量的研究[J]. 红外与激光工程, 2013, 42(9):2392-2396.
    [17] Fang Shuai, Zhan Jiqing, Cao Yang, et al. Improved single image dehazing using segmentation[C]//Proceedings of IEEE International Conference on Image Processing, 2010:3589-3592.
    [18] Jobson D J, Rahman Z, Woodell G A. Properties and performance of a center/surround retinex[J]. IEEE Transactions on Image Process, 1997, 6(3):451-462.
    [19] Yu Jing, Li Dapeng, Liao Qingmin. Physics-based fast single image fog removal[J]. Acta Automatica Sinica, 2011, 37(2):143-149. (in Chinese) 禹晶, 李大鹏, 廖庆敏. 基于物理模型的快速单幅图像去雾方法[J]. 自动化学报, 2011, 37(2):143-149.
    [20] Wang Shuhang, Zheng Jin, Hu Haimiao, et al. Naturalness preserved enhancement algorithm for non-uniform illumination images[J]. IEEE Transactions on Image Process, 2013, 22(9):3538-3548.
    [21] Li Dapeng, Yu Jing, Xiao Chuangbai. No-reference quality assessment method for defogged images[J]. Journal of Image and Graphics, 2011, 16(9):1753-1757. (in Chinese)李大鹏, 禹晶, 肖创柏. 图像去雾的无参考客观质量评测方法[J]. 中国图像图形学报, 2011, 16(9):1753-1757.
    [22] Guo Fan, Cai Zixing. Objective assessment method for the clearness effect of image defogging algorithm[J]. Acta Automatica Sinica, 2012, 38(9):1410-1419. (in Chinese) 郭璠, 蔡自兴. 图像去雾算法清晰化效果客观评价方法[J]. 自动化学报, 2012, 38(9):1410-1419.
    [23] Hauti'ere N, Tarel J P, Aubert D, et al. Blind contrast enhancement assessment by gradient ratioing at visible edges[J]. Image Analysis and Stereology Journal, 2008, 27(2):87-95.
    [24] Huang K Q, Wang Q, Wu Z Y. Natural color image enhancement and evaluation algorithm based on human visual system[J]. Computer Vision and Image Understanding, 2006,103(1):52-63.
    [25] Yendrikhovskij S, Blommaert F, de Ridder H. Perceptually optimal color reproduction[C]//SPIE:Hum Vision Electron Imag Ⅲ, 1998, 3299:274-281.
  • [1] 李鹏越, 续欣莹, 唐延东, 张朝霞, 韩晓霞, 岳海峰.  基于并行多轴自注意力的图像去高光算法 . 红外与激光工程, 2024, 53(3): 20230538-1-20230538-11. doi: 10.3788/IRLA20230538
    [2] 唐文娟, 戴群.  红外图像去雾领域研究方法综述 . 红外与激光工程, 2024, 53(2): 20230416-1-20230416-11. doi: 10.3788/IRLA20230416
    [3] 张帅台, 李国元, 周晓青, 么嘉棋, 郭金权, 唐新明.  基于多特征自适应的单光子点云去噪算法 . 红外与激光工程, 2022, 51(6): 20210949-1-20210949-11. doi: 10.3788/IRLA20210949
    [4] 李娜, 邓家先, 崔亚妮, 陈褒丹.  基于暗通道先验的红外图像清晰化及FPGA实现 . 红外与激光工程, 2021, 50(3): 20200252-1-20200252-10. doi: 10.3788/IRLA20200252
    [5] 曹海杰, 刘宁, 许吉, 彭杰, 刘宇昕.  红外图像自适应逆直方图增强技术 . 红外与激光工程, 2020, 49(4): 0426003-0426003-7. doi: 10.3788/IRLA202049.0426003
    [6] 李宁, 赵永强, 潘泉.  时空自适应的分焦平面偏振视频PCA去噪 . 红外与激光工程, 2019, 48(10): 1026001-1026001(7). doi: 10.3788/IRLA201948.1026001
    [7] 董超, 孙中浩, 张亚春, 何湘, 倪晓武, 骆晓森.  激光等离子体丝阵列对10 GHz微波传输特性的影响 . 红外与激光工程, 2018, 47(10): 1006001-1006001(8). doi: 10.3788/IRLA201847.1006001
    [8] 崔生成, 朱文越, 李学彬, 罗涛, 张梓晗, 张文忠, 韩露, 陆文强.  0.4~14 μm中国海域海表反照率时空分布特性 . 红外与激光工程, 2018, 47(12): 1212001-1212001(6). doi: 10.3788/IRLA201847.1212001
    [9] 王明昌, 樊养余, 陈宝国, 雷伟, 周波.  基于SOPC的红外图像自适应非均匀性校正设计 . 红外与激光工程, 2017, 46(6): 628001-0628001(6). doi: 10.3788/IRLA201746.0628001
    [10] 元月, 宇慧平, 秦飞, 安彤, 陈沛.  热像仪对QFN封装表面发射率环境透射率的标定 . 红外与激光工程, 2017, 46(9): 917004-0917004(5). doi: 10.3788/IRLA201746.0917004
    [11] 蒋立辉, 符超, 刘雯箐, 熊兴隆.  基于自适应多尺度形态滤波与EMD的激光雷达回波信号去噪方法 . 红外与激光工程, 2015, 44(5): 1673-1679.
    [12] 肖创柏, 赵宏宇, 禹晶, 杨普.  基于WLS的雾天交通图像恢复方法 . 红外与激光工程, 2015, 44(3): 1080-1084.
    [13] 刘雪超, 吴志勇, 王弟男, 杨华, 黄德天.  结合自适应窗口的二维直方图图像增强 . 红外与激光工程, 2014, 43(6): 2027-2034.
    [14] 王会改, 李正周, 顾园山, 唐岚, 王臻, 金钢.  基于多尺度自适应稀疏字典的小弱目标检测方法 . 红外与激光工程, 2014, 43(7): 2371-2378.
    [15] 彭鹏, 温廷敦, 许丽萍.  一种新结构介观压光型微加速度计 . 红外与激光工程, 2014, 43(10): 3363-3367.
    [16] 卢礼萍, 魏良淑, 骆晓森, 倪晓武, 陆建.  基于Berreman矩阵研究一维掺有各向异性材料缺陷的光子晶体偏振特性 . 红外与激光工程, 2014, 43(3): 828-832.
    [17] 葛广一, 魏振忠.  图像去雾过程中的噪声抑制方法 . 红外与激光工程, 2014, 43(8): 2765-2771.
    [18] 齐蕾, 张闻文, 陈钱, 顾国华.  EMCCD图像自适应模糊中值滤波算法研究 . 红外与激光工程, 2013, 42(11): 3150-3155.
    [19] 王森, 潘玉寨, 刘一, 杨宝森, 曲士良.  提高雾天激光主动成像图像质量的研究 . 红外与激光工程, 2013, 42(9): 2392-2396.
    [20] 李文胜, 黄海铭, 付艳华, 张琴, 是度芳.  含单负材料对称型一维光子晶体隧穿模的特性 . 红外与激光工程, 2012, 41(1): 69-72.
  • 加载中
计量
  • 文章访问数:  531
  • HTML全文浏览量:  104
  • PDF下载量:  117
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-01-05
  • 修回日期:  2016-02-03
  • 刊出日期:  2016-09-25

尺度自适应暗通道先验去雾方法

doi: 10.3788/IRLA201645.0928002
    作者简介:

    宋颖超(1983-),女,博士生,主要从事图像处理方面的研究。Email:songyingchao@sia.cn

基金项目:

总装预研项目(51301030108)

  • 中图分类号: TP391

摘要: 在雾、霾等天气条件下,大气粒子的散射作用使环境的能见度偏低,视觉系统采集到的图像严重降质。基于暗通道先验的图像复原方法因其去雾效果自然、约束条件少,且易于实现等优点而受到广泛关注。但是,该方法的去雾效果受尺度(暗通道的求解半径)影响很大,对于不同场景的图像,不存在一个普遍适用的最优尺度。针对该问题,文中提出一种尺度自适应方法,根据图像的颜色和边缘特征自适应地调节暗通道的尺度范围,得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解光晕失真小等优点。此外,针对暗通道去雾方法会使天空光估计点落到前景区域的问题,提出了一种改进的天空光估计方法,可使估计点鲁棒地落到与其物理意义相符的背景区域。对多种雾化场景图像的处理结果表明:文中方法适应性强、去雾效果自然,且对比度提升显著。

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回